01

UN MODELO MATEMÁTICO PARA REALIZAR PRONÓSTICOS
Prof. Robinson Arcos

OBJETIVOS: • • Presentar un modelo matemático de ajustes de curvas que permite, entre otras cosas, realizar pronósticos o estimar parámetros físicos, químicos, etc. Hacer uso de la Aplicación Estadística de la calculadora ClassPad 300 PLUS para establecer el tipo de curva que mejor aproxima a un grupo de datos en el sentido del Método de los Mínimos Cuadrados.

CONOCIMIENTOS PREVIOS: • Conocimiento sobre las funciones básicas: lineal (afín), cuadrática, potencial, polinómica, logarítmica, exponencial y otras.

INTRODUCCIÓN: Como sabemos, una descripción matemática de un fenómeno de la vida real, dada en términos como por ejemplo, de una función o de una ecuación es lo que constituye un modelo matemático. El consumo continuo de un producto en el mercado, el descenso significativo del número de fumadores entre dos fechas en una población en particular, la expectativa de vida de una persona al nacer, el costo de la reducción de productos contaminantes en una determinada zona, la necesidad de realizar pronósticos sobre la variación a futuro del PIB en un país determinado, son ejemplos de fenómenos reales que se pueden modelar matemáticamente por una función. La finalidad del modelo es comprender el fenómeno y, quizá, hacer pronósticos acerca de su comportamiento.
Figura 1

MODELO MATEMÁTICO DE AJUSTE DE CURVAS: Al formular este tipo de modelo matemático, es necesario identificar en lo posible el mayor número de datos fidedignos (constantes) del fenómeno, definir, rotular y clasificar las incógnitas (variables independientes y dependientes) y establecer consideraciones, físicas, químicas, geométricas, etc., de manera tal que representen plenamente el fenómeno en estudio, pero al mismo tiempo lo simplifiquen suficientemente para que, junto con las condiciones y restricciones, éste pueda finalmente modelarse matemáticamente. El buen manejo de la situación física, química o geométrica y la destreza y habilidad matemática que poseamos, nos permitirá obtener ecuaciones que relacionen los datos del fenómeno con las variables que hemos definido. Es común que se nos presenten situaciones en las cuales no existe, por ejemplo, una ley física que guíe la construcción del modelo. En este caso al reunir los datos se procede a organizarlos y representarlos en forma tabular (mediante una tabla, como por ejemplo parejas (x n , yn ) ) para distinguir algunos patrones matemáticos de comportamiento. Si el comportamiento es funcional (los datos yn están en función de los datos x n , esto es,

yn = f (x n ) donde f es una función desconocida), es probable que nos convenga obtener una representación gráfica a partir de la representación numérica de la función, utilizando los datos de la tabla. En algunos casos, la gráfica podría incluso sugerir una fórmula algebraica adecuada de su regla de correspondencia.

Figura 2

1

0 325. Al final la Madre Naturaleza tiene la última palabra.3 347. el nivel promedio de dióxido de carbono en la atmósfera.0 330. explicaciones y probablemente pronósticos del comportamiento futuro del fenómeno. e iniciar el ciclo una vez más. medido en partes por millón en un determinado observatorio en una población del mundo.0 340. ¿cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón? X 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 Y 327. esto se logra por un proceso de comparación con los nuevos datos reales. es sólo una idealización. se puede construir un modelo matemático empírico.La virtud de un modelo matemático es que éste.0 Y: Nivel de CO2 en ppm 355. o formular uno nuevo.0 344.5 341. en el sentido que la misma capture la “tendencia básica de los puntos dados”. SITUACIÓN PROBLEMÁTICA 1 (Modelo de regresión lineal): 1.3 338. la variable independiente x representará cada uno de los años transcurridos desde 1982 hasta 2000 y la variable independiente y representará el nivel promedio de CO2 correspondiente al año x. Es importante darse cuenta de las limitaciones del modelo. permite analizar el fenómeno y establecer conclusiones en términos matemáticos. por la pérdida de una parte del histórico de datos (pérdida de memoria).0 332. ya que las conclusiones e interpretaciones basadas en el modelo deben ofrecer soluciones.0 350.3 330. el cual se sustenta exclusivamente en los datos recopilados y se busca la ecuación de la curva que mejor se ajusta a estos datos. Si las predicciones no se ajustan a la realidad del fenómeno. la realidad se simplifica lo suficiente para permitir los cálculos matemáticos. Observemos que la misma nos indica un comportamiento lineal del nivel promedio de CO2 en relación directa con el tiempo transcurrido. desde 1982 hasta 2000. En la siguiente tabla aparece tabulado.0 335. Para James Stewart: “En un buen modelo. De modo que la relación funcional entre las variables satisface una ecuación de la forma y = ax + b .3 351. 2 . Si lo que interesa es establecer predicciones a futuro o establecer predicciones del pasado. Supongamos que se desea estimar el nivel promedio de CO2 que se obtuvo en 1997 y predecir el nivel promedio para el año 2005 y además contestar a la pregunta.0 Tabla 1 Gráfica de Dispersión para el nivel promedio de CO2 360. pero incluso así. por bienios.3 354. es bastante exacto para permitir conclusiones valiosas. se necesitará afinar el modelo.0 335. Un modelo matemático no es una representación completamente exacta de un fenómeno de la realidad.0 345.” Si no existe ley o principio físico o de otra naturaleza que nos ayuden a formular un modelo matemático. que luego deben contrastarse con la situación real. Al obtener una representación gráfica de las parejas de puntos (x. y) de la tabla se obtiene una gráfica de dispersión.0 1980 1985 1990 1995 2000 2005 X: Años Figura 3 En nuestro modelo empírico.

0 330. toque [Todo] [Seleccionar todo] [Edit] [Borrar] [Acep. será necesario realizar las siguientes tareas de limpieza y configuración para que.0 355. 2. Por fortuna hoy en día.0 340. como una posibilidad de elegir una recta que mejor represente el comportamiento de los 10 puntos tabulados.0 345. (3) En la barra de menús. consiste en determinar la ecuación de una recta: y = ax + b a la que deberían pertenecer todos los puntos de coordenadas (x i . El método de los mínimos cuadrados proporciona “buenas aproximaciones” de los coeficientes a y b. obtenga los mismos resultados y pantallas que aquí se exponen: (1) Retire la cubierta de la calculadora. Con conocimientos de matemáticas. Recta de regresión para el nivel promedio de CO2 360.2648.0 Y:Nivel de CO2 en ppm y = 1.] [Cerr. obtenidos en algún proceso de recolección de datos. Antes de comenzar. L . por imprecisión de los instrumentos. Sin embargo. Presione encenderla.0 325. los errores en los experimentos o en la misma recolección de datos.0 335. toque [Edit] [Borrar todo] [Acep. es posible encontrar fórmulas para el cálculo de la pendiente a y la ordenada en el origen b de la recta resultante. se obtienen puntos que no están alineados. yi ) para i = 1. 3.Pudiéramos establecer la ecuación de la recta que pasa por el primer punto y el último. para (4) Toque el botón para acceder directamente al administrador de variables.5012x . El caso más sencillo. tome el lápiz táctil y colóquela sobre la mesa. Operación con la ClassPad. un método que permite determinar la ecuación de la “recta que mejor ajuste” un determinado número de puntos se conoce como el método de los mínimos cuadrados. Toque main dos veces. al operar su calculadora.] para limpiar el área de trabajo. Si hay variables asignadas. y trazar la gráfica de la recta de regresión a partir de los puntos datos. la cual se llama recta de regresión. Generalmente.] para limpiar las variables asignadas y regresar al área de trabajo de la Aplicación Principal. y del que se deducen otros modelos. (2) Toque en el panel de iconos para acceder directamente a la Aplicación Principal.] [Cerr. El método de los mínimos cuadrados se emplea como modelo matemático para realizar pronósticos a partir de datos recolectados en la vida cotidiana o para estimar parámetros a partir de datos recogidos experimentalmente.0 1980 1985 1990 X:Años Figura 4 1995 2000 2005 CURVAS DE REGRESIÓN CON LA CLASSPAD 300 PLUS: 2. El problema es encontrar la recta que “mejor ajusta” este conjunto de puntos (recta de regresión lineal). n . 3 . las calculadoras graficadoras como la ClassPad 300 PLUS tienen funciones que permiten calcular los valores de a y b.8 350.

Marca: Cuadrado (observe la Figura 8). Lista X: list1. Figura 5 (10) Toque el botón toque • para acceder directamente a la Aplicación Estadística. en la barra de herramientas. • • Figura 6 • • De esta manera. ubique el cursor sobre el dato errado y escriba el nuevo número y luego confirme con [EXE]. (14) De la misma manera. Observe la Figura 7. Frec. su calculadora mostrará la pantalla indicada en la Figura 6 de la ventana de la Aplicación Estadística.] para limpiar el editor de listas. (15) Al terminar. Observe que una vez que se registra el dato. (18) Toque en la barra de herramientas para trazar el gráfico de dispersión. registre en columna los demás datos correspondientes a la variable x (Años). Toque [Def. Aparecerá en la parte inferior de la pantalla dividida la ventana del editor de listas. [Preferencias ►] [Configuración ►] • (6) (7) (8) • (9) • En el cuadro de diálogo realice la siguiente configuración: En el recuadro Visualización. se encuentran todos los datos de la variable x y en la segunda lista se encuentran todos los datos de la variable y. (13) Manipulando la tecla direccional elíptica ubique el cursor el la primera celda de la lista 1 (list1) y teclee 1982 que corresponde al primer dato de la lista de años en la Tabla 1. Ahora accederemos directamente desde la Ventana de la Aplicación Principal a la ventana de la Aplicación Estadística. (12) Toque [Edit] [Borrar todo] [Acep. En el recuadro Ángulo. Utilice el punto y no la coma para separar la parte entera de parte decimal del número dato. ListaY: list2.. toque aquellos donde aparece la marca de verificación para desactivarlos.: 1.] para confirmar la configuración. en la lista 1. el cursor se ubica en la segunda celda de la lista 1. ubique el cursor en la primera celda de la lista 2 (list2) y registre los datos que corresponden a la variable y (nivel de CO2 en partes por millón). Para trazar el diagrama de dispersión de los datos será necesario hacer las siguientes operaciones de configuración de gráficos estadísticos: • Figura 7 (16) En la barra de menús. (11) En el panel de iconos toque para maximizar la ventana del editor de listas.] para regresar a la ventana de la Aplicación Principal. toque [ConfGráf] [Opciones …]. Al desplegarse el menú. y seleccione el modo de y seleccione la unidad de En los recuadros de verificación que corresponden al formato Avanzado. Al terminar este cuerpo de instrucciones. Al terminar su calculadora mostrará la pantalla de la Figura 5. Si se equivoca al registrar un dato. Tipo: Disper. 4 .(5) En la barra de herramientas de la Aplicación Principal toque la siguiente secuencia de comandos: [Formato básico]. toque el botón representación angular: Radián. (17) Finalmente toque [Def. En el cuadro de diálogo utilice los botones para configurar los siguientes parámetros: Dibujo: On. toque el botón presentación de números: Normal 1. Confirme con [EXE].

(19) Toque [Cálc. 1 n−2 ∑ (yi − (axi + b))2 . el coeficiente de correlación r nos da una medida de qué “tan buena” es la relación entre las dos variables. a : coeficiente de regresión (pendiente).]. Mientras más cercano a 1 se encuentre este valor.] [Regresión lineal]. Mientras más cercano a 1 se encuentre el valor absoluto de este coeficiente. Este coeficiente satisface −1 ≤ r ≤ 1 . Si r 2 = 1 entonces los puntos están alineados. mejor será el ajuste. ¿cuál es la ecuación de la recta de regresión? Para contestar a las preguntas: ¿qué nivel promedio de CO2 se obtuvo en 1987?. r 2 y MSe (Figura 10). esto indicará que la relación entre las variable es “muy débil” y que los datos presentan una alta dispersión que no les permite alinearse. Por otra parte. De acuerdo a los datos indicados en pantalla. MSe : Error cuadrático medio dado por MSe = Observación: El coeficiente de determinación r 2 satisface r 2 ≤ 1 . “más fuerte” será la relación entre las variables x e y. Indica “qué tan bueno” es el ajuste de la recta de regresión a los datos. ¿cuál será el nivel de CO2 para el año 2005? y ¿cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón?. b y los parámetros estadísticos r. • • Aparece en pantalla el cuadro Cálculo estadístico que muestra los valores de los parámetros de interés a. (20) En el cuadro de diálogo que aparece toque [Acep. i=1 n 3. Figura 8 Figura 9 Figura 10 Los parámetros estadísticos indicados en la pantalla de la Figura 10 son los siguientes: y = ax + b : es la fórmula del modelo de regresión lineal. El diagrama de dispersión muestra un conjunto de puntos que tiende a alinearse. Si r está más cercano a cero.Aparecerá la ventana de gráficos mostrando el diagrama de dispersión (Figura 9). b : término constante de regresión (ordenada en el origen). procedemos de la siguiente manera: 5 . r : coeficiente de correlación r 2 : coeficiente de determinación.

y. ˆ e y indicando los valores estimados x Encontrará que y c ≈ 334 . la ecuación de la recta de regresión. que para 1987 el nivel promedio de CO2 se encontraba alrededor de las 334 partes por millón. ¿Qué puede concluir del gráfico mostrado en la pantalla (Figura 11) y el valor del coeficiente de determinación r 2 = 0. Figura 12 (23) Con las teclas direccionales ubique el cursor en un punto tal que x c ≈ 1987 . • • • Aparecerá un cursor sobre la gráfica de la recta de regresión. ¿Qué nivel promedio de CO2 se obtuvo en 1987? 6 . seguidamente toque para activar el comando “with”. Observe la disposición de los puntos respecto a la recta de regresión Figura 11 4. en la línea de entrada. para obtener dicho valor en forma Figura 14 5. observará que el cursor se desplaza sobre la recta de regresión ˆ de las variables x e y. a la Aplicación Principal. ˆ y y Luego de trazar un gráfico de regresión se pueden calcular los valores estimados x respectivamente. Toque (26) Oprima la tecla [Keyboard]. Toque para pegar. Toque decimal (Figura 14). Toque finalmente para evaluar la ecuación.(21) Toque el botón • • para trazar la recta de regresión lineal. Aparecerá la gráfica de la recta de regresión en el diagrama de dispersión. como se puede observar en las Figuras 12 y 13. en la Aplicación Principal. Por otra parte. Contestemos a la primera pregunta: (22) En la barra de menús toque [Análisis] [Trazo]. • • Para obtener un valor más preciso. (27) Seleccione la fracción correspondiente al valor estimado y del nivel promedio de CO2 para ese año. Es decir.9969175 (alrededor de un 99 %)? ˆ de las variables x. en el recuadro inferior aparecerá la ecuación de la recta de regresión. (25) En la barra de herramientas toque y luego para maximizar la pantalla. Toque la solapa [mth] para activar el teclado matemático. Si utiliza las teclas direccionales ► y ◄ de la tecla elíptica del teclado de la calculadora. siga las siguientes instrucciones: para copiar en el portapapeles la para acceder directamente Figura 13 (24) Toque en el recuadro inferior el botón ecuación de la recta de regresión.

borre todas las listas. ¿Cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón? SITUACIÓN PROBLEMÁTICA 2 (Un modelo de estimación de parámetros): x 12 15 20 24 25 30 35 40 45 48 Tabla 2 8. Toque las teclas regresión. (35) Toque para obtener dicho valor en forma decimal. (32) Toque [Acción] [Ecuación /Desigualdad ►] [solve]. en la línea de entrada. la ecuación de la recta de regresión. y 106 109 112 115 116 119 122 125 128 131 b) En la Aplicación Estadística. ¿Cuál será el nivel de CO2 para el año 2005? (31) Toque para pegar. en la línea de entrada. y en list2 las correspondientes masas “y”. la ecuación de la recta de para activar el comando “with”. Figura 16 7. registre en la list1 las alturas “x”. luego toque para evaluar la ecuación. y? Explique. Figura 15 (30) Toque para obtener dicho valor en forma decimal. 9. (34) Seleccione la fracción correspondiente al valor estimado x del año en que el nivel promedio de CO2 sobrepasará las 400 partes por millón. Trace el diagrama de dispersión. Queremos estimar la cantidad de masa de gas licuado en un encendedor de bolsillo de una marca determinada. 6. ¿Qué ajuste le sugiere la nube de puntos? 7 . (33) Toque [ans] [Ejec].(28) Toque para pegar. (29) Seleccione la fracción correspondiente al valor estimado y del nivel promedio de CO2 para el año 2005. Para ello se dispone de 10 encendedores usados. luego toque para evaluar la ecuación. Responda a cada una de las preguntas que se formulan: a) ¿Qué tipo de función necesariamente deben verificar las variables x. A cada encendedor se le determina en una balanza la cantidad de masa “y” en gramos y se le mide la altura “x” en milímetros de la columna de líquido.

por el diagrama de dispersión. donde a > 0 y b > 0 . La siguiente tabla presenta datos sobre el número de habitantes (en miles) en una determinada ciudad cosmopolita de acuerdo a los censos realizados en cada década desde 1900 hasta 2000. Observe que si tomamos logaritmo neperiano en ambos miembros de la ecuación. lo que indica que si la variable dependiente y es una función exponencial de x. De modo que un ajuste lineal entre las variables x y ln y nos dará un ajuste exponencial entre la variable x y la variable y. esto es. si se sabe que la altura del depósito es de 55 mm? SITUACIÓN PROBLEMÁTICA 3 (Un modelo de crecimiento de población): X: Año 1900 (0) 1910 (1) 1920 (2) 1930 (3) 1940 (4) 1950 (5) 1960 (6) 1970 (7) 1980 (8) 1990 (9) 2000 (10) 2010 (11) 2020 (12) 2030 (13) Y: Población 1650 1750 1860 2070 2300 2520 3020 3700 4450 5300 5770 ? ? ? Tabla 3 10. que no hubiesen errores de medición?. entonces ln y es una función lineal de x. y = ax + b. 8 . ¿qué representan físicamente en este modelo los parámetros a y b? e) ¿Cuál es la masa aproximada de un encendedor vacío? f) ¿Cuál es la masa aproximada del líquido en un encendedor lleno. Al utilizar la ClassPad se obtiene la representación del modelo exponencial y la ecuación de la curva de ajuste. obtenemos la ecuación ln y = ln a + bx . los modelos de crecimiento de población o desintegración radiactiva. Aquí x = 0 representa el año 1990. Observación: Se sabe que la función que modela los crecimientos de población es una función exponencial de la forma y = ae bx . Se desea predecir el número de habitantes que tendrá la ciudad al comienzo de cada una de las tres primeras décadas del siglo XXI. Existen procesos que exhiben un comportamiento exponencial como por ejemplo.c) ¿Esperaría. ¿porqué? d) Si el ajuste propuesto es lineal. x = 1 representa el año 1910 y así sucesivamente.

] para confirmar la configuración. (40) Toque [Edit] [Borrar todo] [Acep.].] [Regr. para maximizar la ventana del editor de (39) En el panel de iconos toque listas. toque [ConfGráf] [Opciones …]. (48) Finalmente toque Para calcular el número de habitantes en la ciudad al inicio de las tres décadas del siglo XXI. (53) Seleccione la fracción correspondiente al valor estimado y del número de habitantes correspondiente al año 2010. luego toque activar el comando “with”. En el cuadro Cálc. Operación con la ClassPad. toque [Acep. Continúe usted dando respuesta a las demás interrogantes Figura 19 9 . Toque entrada.353. en la línea de para (52) Active el teclado matemático [mth]. (50) Toque en el recuadro inferior el botón ecuación de la curva de regresión.: 1. (51) En la barra de herramientas toque a la Aplicación Principal. exponencial]. Lista X: list1.].11. (49) Toque [Análisis] [Trazo]. 10. (38) En la barra de herramientas toque el botón toque . En el cuadro de diálogo Definir cálculo.. (43) En la barra de menús. la ecuación de la recta de regresión.] para limpiar el editor de listas. Toque finalmente para evaluar la ecuación. (36) Toque (37) Toque [Edit] [Borrar todo] [Acep. Toque para copiar en el portapapeles la para acceder directamente Figura 18 y luego para maximizar la pantalla. Finalmente toque [Def. En el cuadro de para configurar los siguientes parámetros: diálogo utilice los botones Dibujo: On. para obtener dicho valor • Se estima entonces. una población de 6. ListaY: list2. Toque en forma decimal (Figura 19).]. para acceder a la Aplicación Principal. copiaremos la ecuación de la curva en la ventana de la Aplicación Principal. …. Al desplegarse el menú para acceder directamente a la Aplicación Estadística. 1. • Figura 17 (44) (45) (46) (47) • Trace el diagrama de dispersión tocando en la barra de herramientas. Toque [Cálc. Marca: Cuadrado .000 habitantes al comienzo de la primera década del siglo XXI. para pegar. (41) El list1 registre los años: 0. Frec. para trazar la curva de regresión exponencial. estadístico. (42) En list2 registre los datos de población. toque [Acep. Al terminar su calculadora debe mostrar la pantalla de la Figura 17. Tipo: Disper.

65 y log 13 ). ¿Cuál es el número de habitantes que tendrá la ciudad al comienzo del a) año 2010? b) año 2020? c) año 2030? SITUACIÓN PROBLEMÁTICA 4 (Tasa de crecimiento porcentual del Registro Electoral): Año 1993 (0) 1998 (5) 2000 (7) 2004 (11) 2006 (13) Nº de electores 9. encontrando la curva exponencial que mejor se ajusta a los datos de la tabla. Aquí x = 0 representa el año 1993.020 11. b > 0 . Determine en qué intervalo debe mantenerse la temperatura para realizar el trabajo. x = 1 el año 1994 y así sucesivamente. a) Encuentre la función exponencial que mejor ajusta los puntos de la tabla.65 y 13. El crecimiento del registro electoral sigue un crecimiento exponencial y = ae bx con a. 10 . proceda de la siguiente manera: • Copie la ecuación en la ventana de la Aplicación Estadística y péguela en la línea de entrada de la Aplicación Principal.921.971 14. Determine esta tasa.607 15.3010 0. y 0.027. que el logaritmo neperiano del logaritmo decimal de la viscosidad es una función afín de la temperatura.223 Tabla 4 13. la segunda columna contiene el logaritmo decimal de la viscosidad y.12. sino entre una variable y el inverso de la otra. en el sentido del método de los mínimos cuadrados. La siguiente tabla presenta. la primera columna la temperatura x de cierto tipo de vidrio en °C . b) Sólo es posible trabajar el vidrio cuando su viscosidad está entre 7.795 11.6021 0. • Ejecute Ln(ans) para tomar logaritmo neperiano en ambos miembros de la ecuación. Sugerencia: Para no tener problemas de desbordamiento en la resolución de la ecuación en la Aplicación Principal. SITUACIÓN PROBLEMÁTICA 5 (Un problema relacionado con la industria del vidrio) x 1390 1154 984 874 791 729 Tabla 5 14.6990 0. entre una y el logaritmo de la otra.688. La teoría prevé que el logaritmo decimal de la viscosidad es una función exponencial de la temperatura ( y = ae bx ) o dicho de otro modo. del registro electoral. entre el inverso de una y el inverso de la otra.7782 8. viene dada por 100 ⋅ b % . La tasa de crecimiento porcentual anual aproximada. el número de electores (Y) inscritos en el Registro Electoral venezolano.013. • Finalmente ejecute solve(ans) para obtener la solución. • Sustituya el valor para la variable y (tenemos dos valores log 7. para cada año (X).8451 En este problema. etc. En ciertos problemas no hay una relación lineal directa entre una variable y la otra.720.4771 0.

523 5.241 0. cuarto grado y = a + bx + cx 2 + dx 3 + ex 4 a estos datos. n es cualquier número real y el dominio de la función ] 0.7 Tabla 6 15. y así b) c) d) e) sucesivamente.1 4.0 18.008 164. a la hora de elegir una curva de ajuste para un conjunto de datos? SITUACIÓN PROBLEMÁTICA 7 (Un problema de mecánica celeste): Planeta Mercurio Venus Tierra Marte Júpiter Saturno Urano Neptuno ¿Plutón? d 0. produce contradicciones en el mundo real al realizar el pronóstico.507 Tabla 7 16.9 5.881 11. 11 . Reflexione. aquí x = 0 corresponde a 1955.SITUACIÓN PROBLEMÁTICA 6 (Un problema de emisiones de plomo) Año 1955 (0) 1960 (1) 1965 (2) 1970 (3) 1975 (4) 1980 (5) 1985 (6) 1990 (7) 1995 (8) como un polinomio de Emisiones 199. T 0.5 4.1 143.861 29.+∞ [ ? b) Ajuste un modelo potencia a los datos.190 30.784 248. ¿Cuál de las dos es la curva que mejor ajusta el conjunto de datos? Estime gráficamente la cantidad de emisión de plomo en 2000 y en 2005 en cada caso.541 19.457 84. a) Ajuste tanto una curva exponencial.000 1.615 1. x = 1 a 1960. desde 1955 hasta 1995. Observe que la curva que mejor ajusta el conjunto de puntos.723 1. Encuentre en cada caso los coeficientes de correlación y determinación.086 39. En la tabla se muestran distancias promedio d de los planetas al Sol (tomando como unidad de medida la distancia de la Tierra al Sol) y sus períodos T (tiempos de revolución en años terrestres).5 5. la otra produce pronósticos más acertados. ¿El modelo corrobora dicha ley? .350 a) Construya una gráfica de dispersión de T contra d y otra de ln T contra ln d .203 9. ¿Parece razonable un modelo potencia T = adn donde a es un número real positivo. La tabla indica las emisiones de plomo hacia el medio ambiente en millones de toneladas métricas en un determinado lugar del planeta. c) La tercera ley de Kepler del movimiento planetario afirma: “El cuadrado del período orbital de un planeta (tiempo que tarda en dar una vuelta alrededor del Sol) es directamente proporcional al cubo de su distancia media al Sol”.3 5.8 68.000 1. ¿es buen criterio tomar como modelo la curva que mejor ajusta un conjunto de puntos? ¿Qué hechos deben considerarse de antemano sobre un fenómeno de estudio.387 0. Sin embargo.